Un cadre intégré de simulation multiméthode pour le contrôle des débris d’étain en lithographie ultraviolette extrême

Summary

Ce protocole vise à guider les utilisateurs à travers un cadre de simulation intégré pour atteindre le contrôle des débris d’étain dans la lithographie Blue-X extrême (EUV) et la Blue-X émergente, intégrant la modélisation cinétique, l’équation de transport de Boltzmann (BTE) et des méthodes basées sur la théorie de la fonction de la densité (DFT) pour évaluer les interactions ions et le nettoyage assisté par hydrogène.

Abstract

Ce protocole est un cadre conceptuel et intégré de modélisation, illustré avec des résultats représentatifs, et instruit les utilisateurs sur la combinaison de l’équation de transport de Boltzmann (BTE), du particle-in-cell (PIC) et des simulations cinétiques pour étudier la mitigation des débris d’étain (Sn) dans la lithographie à l’ultraviolet extrême (EUV). Le protocole inclut la réflectivité des miroirs multicouches Mo/Si (MLM), le rendement du sputtering, la profondeur d’implantation, la modélisation cinétique et le calcul BTE. Les simulations BTE et PIC sont utilisées pour résoudre la fonction de distribution d’énergie électronique (EEDF) des plasmas d’hydrogène et analyser la génération et l’accélération des ions Sn énergétiques sous différentes conditions plasmatiques. L’influence de l’écoulement de l’hydrogène sur le ralentissement des ions et l’efficacité des rayonnements est également quantifiée. Sur la base des sections efficaces d’ionisation et des canaux de dissociation des espèces_{Sn x}H_y , les potentiels d’interaction pour la collision Sn-H sont calculés à l’aide de la méthode de la théorie de la fonction de la densité (DFT), qui est utilisée pour calculer la profondeur d’implantation. De plus, la réflectivité et le sputtering du MLM résultant de l’interaction entre les débris de Sn et le revêtement Ru sur le MLM sont calculés à l’aide d’une formule semi-empirique. En suivant ce protocole, les utilisateurs peuvent obtenir des paramètres physiques clés pertinents pour le contrôle des débris Sn, notamment les rendements de sputtering, les profondeurs d’implantation, la réflectivité MLM et la formation de SH₄ sous divers EEDF à plasma hydrogène. Ces résultats permettent une évaluation systématique des processus de contamination, de nettoyage et de détection dans les systèmes de lithographie EUV.

Introduction

La lithographie à ultraviolet extrême (EUVL) est la technologie de pointe pour faire progresser la miniaturisation des circuits intégrés, permettant le modelage de caractéristiques inférieures à 2 nm. Dans une source EUV typique, une microgouttelette d’étain (Sn) est d’abord vaporisée et ionisée par une préimpulsion d’un laser Nd :YAG, et le nuage de plasma résultant est réchauffé par un laser_CO2 fonctionnant à 10,6 μm, générant ainsi un rayonnement EUV, collecté par des miroirs multicouches Mo/Si (MLM^)1,2. Pour les systèmes commerciaux tels que ceux développés par ASML, la source d’énergie a atteint des niveaux suffisants pour une production de masse. Néanmoins, la recherche en cours — notamment en Chine — continue de se concentrer sur l’amélioration de l’efficacité des plasmas Sn produits par laser_CO2.

Un défi majeur dans les sources lumineuses EUV est la production d’ions Sn énergétiques. L’irradiation des gouttelettes de Sn avec des impulsions laser_CO2 à haute intensité génère des ions avec des énergies dans la gamme keV, ce qui peut endommager les miroirs multicouches (MLM) et raccourcir la durée de vie du^{système 3,4,5}. Pour réduire les dommages induits par les ions, l’hydrogène (_H2) est largement utilisé comme gaz tampon. Grâce au ralentissement collisionnel, H₂ atténue le transport d’ions Sn et réduit les débris atteignant les composants optiques. Des données fiables sur la puissance d’arrêt et des modèles précis des interactions Sn–H sont donc essentiels pour optimiser à la fois l’efficacité et la durabilité^{de la source 5,6,7}.

Un autre problème important est lié au dépôt de fragments de Sn sur les surfaces de la chambre à vide, en particulier les miroirs collecteurs positionnés près du plasma. Même un revêtement Sn fin réduit la réflectivité de l’EUV et dégrade les performances optiques ainsi que la stabilité^{opérationnelle 8,9,10}. Une solution industrielle pratique est l’injection continue de_H2 comme gaz^{de fond 11}. Dans cette approche, les radicaux hydrogène gravent les revêtements de Sn par la réaction exothermique suivante, produisant du stannane volatil (_{SnH 4}), qui est retiré par pompage.

Sn(s) + 4H(g) →_{SnH 4}(g),

Bien qu’efficace pour améliorer l’élimination du SN, cette méthode introduit de nouvelles complications. Les radicaux hydrogène produits par la dissociation du plasma de_H2 peuvent induire la décomposition en chaîne de_{SnH 4}, régénérant Sn et provoquant une contamination^{secondaire 9}. De tels procédés réduisent l’efficacité du nettoyage et peuvent compromettre la stabilité du miroir ainsi que les performances optiques. Une compréhension détaillée de la formation, de la décomposition et des interactions de surface de l’hydrure d’étain est donc essentielle pour améliorer les méthodes de nettoyage à base d’hydrogène. Des études récentes en surface soulignent l’importance de caractériser les hydrures d’étain et leurs intermédiaires pour identifier correctement les voies de contamination et supprimer la reposition de^{Sn 12}.

Malgré ces efforts, des aspects clés de la chimie des plasmas Sn–H restent insuffisamment caractérisés. En particulier, la structure, la réactivité, les fragmentations et les taux de formation/dissociation des espèces de Sn-H (par exemple,_{Sn 2}H₂ et_{SnH x}) dans des conditions plasmatiques pertinentes pour l’EUV ne sont pas validées expérimentalement^{directes 13}. De plus, les voies de réaction secondaire dans les plasmas Sn-H, les facteurs régissant leurs probabilités d’occurrence, les seuils critiques pour les réactions indésirables et la stabilité opérationnelle à long terme n’ont pas été systématiquement^{étudiés 14}.

Pris ensemble, ces questions soulignent la nécessité d’enquêtes fondamentales sur les interactions plasma–surface sous l’angle de la physique atomique et moléculaire, de la physique des plasmas et de la chimie quantique. Les approches de modélisation existantes ne traitent généralement que des aspects isolés du contrôle des débris Sn, tels que la génération d’ions Sn, la puissance d’arrêt de H₂ vers les ions Sn à haute énergie, ou l’interaction ion-surface, et ne peuvent donc pas capturer l’intégralité du cycle contamination–nettoyage–détection. Pour remédier à ces limitations, nous avons voulu développer un protocole de simulation intégré combinant des simulations particule dans la cellule (PIC), l’analyse des équations de transport de Boltzmann (BTE), la théorie de la fonction de la densité (DFT) et la modélisation cinétique. Les études sur les sources de lumière ultraviolet extrême (EUV) impliquent plusieurs processus couplés, notamment des interactions laser–gouttelette, laser–plasma, plasma–plasma et interactions plasma–gaz. Ce protocole décrit un cadre de simulation intégré combinant la dynamique des fluides, les méthodes de particule en cellule (PIC) et de théorie de la fonction de la densité (DFT) pour modéliser l’atténuation des débris d’étain (Sn) et le nettoyage par hydrogène. Ce protocole offre un flux de travail unifié et reproductible pour étudier la génération, le transport, les interactions de surface et l’atténuation assistée par l’hydrogène des débris Sn. La section suivante détaille la mise en œuvre étape par étape de cette méthodologie.

Protocol

REMARQUE : Le flux de travail global, incluant l’intégration des approches fluides, cinétiques et quantiques-chimiques. Le flux de travail est illustré à la Figure 1 (surlignée dans la case rouge).

Figure 1. Schéma du cadre intégré de simulation pour la lithographie ultraviolette extrême. Abréviations : MLM = miroirs multicouches ; PIC = particule dans la cellule ; BTE = équation de transport de Boltzmann ; EEDF = fonction de distribution d’énergie des électrons. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

1. Simulation de réflectivité MLM

1. Configurez des paramètres multicouches. Utilisez les MLM Mo/Si comme collecteurs dans les sources EUV. Définissons la structure de miroir multicouche Mo/Si (MLM) avec les épaisseurs de couche suivantes : Mo (1,950 nm), Mo-on-Si (0,806 nm), Si (3,843 nm) et Si-on-Mo (0,386 nm)¹⁵.
2. Évaluez les matériaux de protection de surface. Comme la surface Mo/Si est sujette à l’oxydation et à la formation de carbures, ce qui réduit les performances optiques au fil du temps, il faut inclure des revêtements Ru,_{RuO 2},_{ZrO 2} et_TiO 2 pour évaluer l’oxydation et la résistance au^{carbure 16}.
3. Calculez la réflectivité MLM. Évaluer la réflectivité d’une multicouche Mo/Si avec une couche de condensation Ru à l’aide de données d’indice de réfraction, permettant une évaluation quantitative des compromis entre protection et efficacité optique.
   
   
   
   REMARQUE : Les valeurs de δ et β pour différents matériaux sont disponibles au Centre d’optique des rayons X du Lawrence Berkeley^{National Laboratory 17}.
4. La réflectivité MLM par rapport à la couche de recouvrement Ru : Calculer les variations de réflectivité en fonction de l’épaisseur de la couche de recouvrement à l’aide d’indices de réfraction. Comparez les résultats pour déterminer le compromis entre efficacité optique et durabilité (Figure 2).
5. Point de contrôle de sortie et de reproductibilité : Confirmez l’exécution réussie de cette section en générant une courbe réflectivité-épaisseur à 13,5 nm selon la Figure 2 ou les valeurs de référence rapportées par Liu et ^al.15.

Figure 2. Réflectivité d’une multicouche Mo/Si avec différentes épaisseurs de la couche de recouvrement Ru. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

2. Calcul du rendement par sputtering

1. Appliquez la formule Yamamura. Calculons le rendement par sputtering (Y) en utilisant la formule proposée par Yamamura et al.¹⁸
2. Calculer les sections efficaces d’arrêt. Évaluer les sections efficaces d’arrêt nucléaire (S_n) et électroniques (S_e) à l’aide d’équations. (3)–(4).
   
   et
3. Déterminez les constantes. Calculez la constante empirique K à l’aide de l’équation (5)
   
   Où Z_{, 1} et Z2 représentent respectivement le numéro atomique du projectile incident et du matériau cible ; M1 et M2 représentent respectivement la masse du projectile incident et du matériau cible. E_r et _{E th} sont respectivement l’énergie réduite et l’énergie seuil, E_s est l’énergie de liaison de surface du matériau^{cible 18}.
4. Étapes d’exécution : Calculez le rendement du sputtering en exécutant le script Python montré à la Figure 3. Implémentez la formule Yamamura à l’aide du script Python montré à la Figure 4. Assurez-vous que l’ordinateur est équipé de Python 3 et de la bibliothèque NumPy. L’exécution du script Python montré à la Figure 3 génère un fichier texte de deux colonnes nommé yield.dat contenant les résultats calculés de sputtering, comme montré à la Figure 5.
5. Point de contrôle de reproductibilité : Confirmez l’exécution réussie de cette section en générant une courbe de rendement sputtering contre énergie incidente pour les ions Sn impactant Ru (Figure 5). Vérifiez que le rendement calculé de sputtering pour Ar sur Ru correspond aux données expérimentales publiées avec un minimum de ±30 %, servant de contrôle d’étalonnage.

Figure 3. Script Python pour calculer le rendement par sputtering. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 4. Script Python pour la formule Yamamura. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 5. Rendements calculés par sputtering de Ar dans Ru et Sn dans Ru. À gauche : Ru ; droite : Sn dans Ru. La formule de Yamamura et al. décrite à l’étape 2.1 a été utilisée. La comparaison entre les simulations actuelles et celles de Wu et ^al.26 et Laegreid et ^al.27 est effectuée. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

3. Simulation de la profondeur d’implantation

1. Sélectionnez le modèle potentiel. Utilisez le potentiel KrC dans le code^{RustBCA 19} pour les interactions ion–solide :
2. Définissez la fonction de filtrage. Implémentons Φ(r/a) comme somme de termes exponentiels :
   
   1. Exprimez la valeur de a pour le potentiel KrC comme dans l’équation suivante avec d’autres paramètres _{c i} et d_i à partir du tableau 1.
3. Étapes d’exécution : Calculez la profondeur d’implantation en exécutant le script Python montré à la Figure 6, où la commande d’exécution RustBCA est intégrée au script :
   1. Tapez la commande = « cargo run --release 1D « + Fichier d’entrée
   2. Ensuite, tapez os.system(command)
4. Ouvrez le script Python montré à la Figure 6, définissez les paramètres selon le script, puis exécutez-le pour obtenir un fichier texte à deux colonnes nommé depth.dat, qui contient la profondeur d’implantation calculée.
5. Point de contrôle de reproductibilité : Confirmez l’exécution réussie de cette section en générant une profondeur d’implantation moyenne de Sn (Figure 7).

c1	c2	c3	d1	d2	d3
0.19095	0.47367	0.33538	0.27854	0.63717	1.91925

Tableau 1 : Les paramètres c_i et _{d i} impliqués dans le potentiel KrC.

Figure 6. Script Python pour calculer la profondeur d’implantation. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Figure 7. Profondeur d’implantation calculée des ions Sn dans des miroirs multicouches Ru-Mo-Si. Gauche : Distribution de profondeur d’implantation de 10 000 ions Sn incidents à deux énergies incidentes, 2,0 keV (jaune) et 3,0 keV (bleu) ; À droite : La profondeur moyenne d’implantation de Sn. Calculée par le potentiel KrC implémenté dans RustBCA décrit par l’étape 3.1 du protocole. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

4. Calcul de la puissance d’arrêt

1. Modéliser l’hydrogène comme gaz tampon. Pour atténuer les dommages causés par les ions keV Sn aux MLM, introduire l’hydrogène comme gaz tampon.
   REMARQUE : Ainsi, la puissance d’arrêt et le sputtering des ions keV Sn en présence d’hydrogène et de surfaces MLM restent des enjeux critiques.
2. Utilisez des potentiels basés sur la DFT. Ajustez les potentiels interatomiques calculés pour les systèmes hydrogène–métal aux formes de potentiel Ziegler–Biersack–Littmark (ZBL) et de Morse.
   REMARQUE : Dans un travail^{récent 20}, un potentiel interatomique pour les systèmes hydrogène–métal basé sur des calculs de la théorie de la fonction de la densité (DFT) a été développé.
3. Point de contrôle de reproductibilité : Validez la puissance d’arrêt calculée des ions Sn dans l’hydrogène en comparant les courbes d’arrêt dépendantes de l’énergie avec les données de référence obtenues à partir de simulations SRIM et de jeux de données expérimentaux publiés.
   REMARQUE : Ces données doivent être comparées à la Figure 6 de Feng et ^al.20.
4. Combinez les sorties des sections 1 à 4 (réflectivité MLM, rendement de sputtering, profondeur d’implantation et puissance d’arrêt) pour estimer la durée relative de vie des miroirs multicouches Mo/Si sous exposition à des ions Sn.
   REMARQUE : Des effets tels que l’évolution de la rugosité de surface, la géométrie du miroir et le lancer de rayons ne sont pas inclus dans le protocole actuel et doivent être intégrés dans de futures extensions.
5. Appliquer le même flux de travail à des régimes de longueurs d’onde alternatives, comme la lithographie Blue-X, en ajustant en conséquence les constantes optiques et les distributions d’énergie des ions.

5. Formation et décomposition de_{SnH 4}

REMARQUE : Une étude cinétique détaillée de la formation et de la décomposition de_{SnH 4} nécessite plusieurs sections efficaces et vitesses de réaction entre SnH et H. Auparavant, certaines ionisations par impact électronique et fragmentation de la^{stannane 21}, des vitesses de réaction_{XH 4}+H→XH₃+_{H 2} et SnH₄+SnH→_{Sn 2}H₃+_{H 2}, SnH₄+SnH→_{Sn 2H 5}^22,23 ont été rapportées. Cependant, la formation en phase plasmatique de_{SnH 4}, ainsi que les interactions et mécanismes de réaction avec divers matériaux, n’ont pas encore été pleinement caractérisés ou compris. Les études expérimentales sur la chimie de stannane et les voies de décomposition associées restent donc^{rares 12,24}, soulignant la nécessité d’une investigation plus approfondie.

1. Calculs DFT et TST : Utiliser la théorie de la fonction de la densité (DFT) en combinaison avec la théorie des états de transition (TST) implémentée dans la Gaussienne 16 pour calculer les vitesses de réaction manquées.
   REMARQUE : Ces approches computationnelles permettent de calculer l’énergétique des réactions, les états de transition et les constantes de vitesse, fournissant une compréhension mécaniste détaillée de la formation des stannanes dans des conditions plasmatiques.
2. Définissez les voies de réaction. Deux voies de réaction successives menant à la formation de_{SnH 4} sont incluses ici.
   (1) Sn+_{H 2}→SnH₂
   (2) SnH₂+_{H 2}→_{SnH 4}
3. Effectuez les calculs DFT et TST. Calculez les énergies de réaction, les états de transition et les constantes de vitesse (k) pour les deux réactions, avec les résultats présentés dans les figures 8 et 9. Résumez la thermodynamique des réactions dans les Tables 2 et 4 ainsi que les paramètres d’Arrhenius dans les Tables 3 et 5.
4. Point de contrôle de sortie et de reproductibilité : Validez les constantes de vitesse de réaction calculées en reproduisant les courbes de vitesse dépendantes de la température montrées dans les figures 8 et 9, ou avec les valeurs^{rapportées 22,23}.
5. Exportez les constantes de débit validées au format tabulabilisé ou lisible par machine (par exemple, CSV ou TXT) pour une utilisation directe comme paramètres d’entrée dans la modélisation cinétique ultérieure de la chimie du plasma Sn–H.

Figure 8. La vitesse de réaction et la barrière énergétique pour Sn+_{H 2}→SnH₂. Gauche : constantes de vitesse de réaction de Sn+_{H 2}→SnH₂ ; À droite : barrière énergétique pour les voies de réaction (tous les atomes gris représentent H, et les atomes bleus représentent Sn). Les calculs sont effectués par la Gaussienne 16. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Réaction	Produit	ΔH	ΔG	ΔE
Sn+H 2→SnH2	SnH 2	-24.71	-19.13	17.87

Tableau 2 : Enthalpies de réaction (H), énergie libre de Gibbs (G) et barrières potentielles (E) (kcal/mol) pour les trois canaux de réaction à 298,15 K et 1 atm.

Paramètres d’Arrhenius	Méthodes	Réactions
		Sn+H 2→SnH2
A	TST	2,50×10-13
	TST/Wigner	1.13×10-13
	TST/Eckart	1,45×10-29
n	TST	0.85
	TST/Wigner	0.93
	TST/Eckart	5.56
Ea(kJ/mol)	TST	68.99
	TST/Wigner	65.3
	TST/Eckart	30.4
k(298K)(cm3 mol-1 sec-1)	TST	2,72×10-23
	TST/Wigner	8,94×10-23
	TST/Eckart	1.03×10-21

Tableau 3 : Paramètres d’Arrhenius de la réaction_{Sn+H 2}→SnH₂ dans la plage de température comprise entre 180 et 2000 K.

Figure 9. La vitesse de réaction et la barrière d’énergie pour_{SnH 2}+_{H 2}→SnH₄. Gauche : constantes de vitesse de réaction de_{SnH 2}+H₂→_{SnH 4} ; À droite : barrière énergétique pour les voies de réaction (tous les atomes gris représentent H, et les atomes bleus représentent Sn). Les calculs sont effectués par la Gaussienne 16. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Réaction	Produit	ΔH	ΔG	ΔE
SnH 2+H 2→SnH4	SnH 4	-26.5	-32.81	26.26

Tableau 4 : Enthalpies de réaction (H), énergie libre de Gibbs (G) et barrières potentielles (E) (kcal/mol) pour les trois canaux de réaction à 298,15 K et 1 atm.

Paramètres d’Arrhenius	Méthodes	Réactions
		SnH 2+H 2→SnH4
A	TST	3.73×10-17
	TST/Wigner	1.23×10-17
	TST/Eckart	1.29×10-37
n	TST	1.55
	TST/Wigner	1.67
	TST/Eckart	7.5
Ea(kJ/mol)	TST	136.39
	TST/Wigner	132.94
	TST/Eckart	90.83
k(298K)(cm3 mol-1 sec-1)	TST	3.39×10-37
	TST/Wigner	9.33×10-37
	TST/Eckart	6,56×10-36

Tableau 5 : Paramètres d’Arrhenius de la réaction_{SnH 2}+_{H 2}→SnH₄ dans la plage de température comprise entre 180 et 2 000 K.

6. Calcul de la fonction de distribution d’énergie électronique (EEDF)

REMARQUE : Équation de transport de Boltzmann

L’équation de Boltzmann pour un ensemble d’électrons dans un gaz ionisé est

Où f est la distribution des électrons dans l’espace des phases à six dimensions, v sont les coordonnées de vitesse, e est la charge élémentaire, m est la masse électronique (9,10956 × ^10-31 kg), E est le champ électrique, est l’opérateur gradient de vitesse, et C représente le taux de variation de f dû aux collisions.

1. Exécutez le solveur BOLSIG+ en utilisant l’approximation à deux termes pour résoudre l’équation de transport de Boltzmann pour le plasma^{d’hydrogène 25}.
2. Étapes d’exécution : BOLSIG+ est une fenêtre graphique.
   1. Cliquez sur le bouton Lire les collisions comme montré à la Figure 10A pour lire les données de coupes efficaces de_H2.
   2. Sélectionnez les paramètres de calcul dans le fichier « conditions » comme montré à la Figure 10B.
   3. Enfin, comme présenté à la Figure 10C, cliquez sur le bouton tracer EEDF pour dessiner l’image EEDF.
3. Point de contrôle de sortie et de reproductibilité : Confirmez l’exécution réussie du solveur BOLSIG+ en générant la fonction de distribution d’énergie électronique (EEDF) pour le plasma hydrogène sur la plage spécifiée du champ électrique réduit (E/N). Vérifiez que l’EEDF est avec la Figure 11.
4. Exportez les données finales EEDF sous forme de tabulation (par exemple, format ASCII ou CSV) pour une utilisation directe en entrée dans la modélisation cinétique de la chimie du plasma Sn–H.

Figure 10. L’interface graphique du logiciel BOLSIG+. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

7. Modélisation cinétique de la chimie du plasma Sn–H

1. Importez les paramètres plasmatiques à partir de simulations PIC. Extraire les paramètres du plasma, y compris la densité électronique et la température du plasma, à partir de simulations de fluides. Utilisez ces paramètres comme conditions initiales pour les simulations PIC afin d’obtenir les distributions spatio-temporelles et les spectres d’énergie des ions Sn.
2. Effectuez des simulations cinétiques. Résoudre les équations de taux couplés pour Sn,_{SnH x} et les intermédiaires associés en utilisant les distributions d’énergie ionique dérivées du PIC et les vitesses de réaction dérivées de DFT/TST comme entrées. Suivre l’évolution temporelle des densités d’espèces sous des conditions de plasma hydrogène pertinentes pour le fonctionnement de la source EUV.
3. Associez les sorties cinétiques aux modèles d’interaction de surface. Combinez les résultats cinétiques avec les distributions de puissance d’arrêt, de rendement par sputtering et de profondeur d’implantation obtenues dans les sections 2 à 4. Utilisez ces sorties couplées pour évaluer les mécanismes de dégradation et estimer la durée de vie effective des MLM Mo/Si.

Results

Calibration et validation du rendement par sputtering
Calculez le rendement par sputtering des atomes d’Ar dans Ru comme étape d’étalonnage. Ces rendements de sputtering représentent la sortie de l’étape 2.1 du protocole (modèle Yamamura). Les résultats sont présentés à la Figure 5 (à gauche). Les données expérimentales rapportées par Wu et ^al.26 et Laegreid et ^al.27 sont globalement cohéren...

Discussion

La méthodologie intégrée qui combine l’équation de transport de Boltzmann (BTE), la particule dans la cellule (PIC) et les simulations cinétiques établit un cadre unifié pour l’étude de la mitigation des débris d’étain (Sn) dans la lithographie à extrême ultraviolet (EUV). Plus précisément, la simulation fluide donne les paramètres du plasma — densité et température — qui peuvent être intégrés dans un programme PIC pour obtenir la distribution spatiotemporelle des molécules Sn_x

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
BOLSIG+	Laboratoire Plasma et Conversion d’Énergie, Université Paul Sabatier	La version a été mise à jour le 24 avril 2025
Gaussienne	Gaussian Inc.	Gaussian 16
RustBCA	Département de génie nucléaire, plasma et radiologique, Université de l’Illinois à Urbana-Champaign	1.2.0